| 统计方法在移动通信网络优化管理的应用 |
|
|
|
中差的评价。符合统计规律、并且引领向好方向发展的管理评价才能使网络优化工作臻于至善。
1.2盒须图模型
寻找合适的方法研究数据的合理范围，发现和处理粗大的异常值是十分重要的.统计学为解决相关问题进行了许多积极的有益的探讨，对单个变量且样本容量不大时，已有许多较好的检验方法，诸如：z-检验、Dixon检验、Grubbs检验、Nair检验、偏度-峰度检验等，它们都是以数据总体呈正态分布为前提[2]。然而对于由移动通信系统KPI指标影响因素很多，数据分布未知且比较复杂。
根据中心极限定理和通信干扰统计的相关的研究[3]，移动通信网络指标在受不同随机因素影响的标准环境下，服从正态分布。然而在实际环境中，移动通信网络呈各种不规则的偏态单峰分布，难于用已知分布去拟合所有指标的数值分布情况。为此，本文采用盒须图模型结合稳健统计量的方法[4]。
图1盒须图模型
如图1，盒须图模型可以清晰地表示指标数据的分布特征，通过数据样本的计算能得出五个次序统计量：中位数、内四分位距、偏态、最大/小观测值和异常值。
1）中位数：描述指标样本的数据中心位置。整理：WWW.YbAsk.COM 。
2）四分位数：第一四分位数(Q1)，又称“下四分位数”，等于该样本中所有数值由小到大排列后第25%的数字。第二四分位数(Q2)，又称“中位数”，等于该样本中所有数值由小到大排列后第50%的数字。第三四分位数(Q3)，又称“上四分位数”，等于该样本中所有数值由小到大排列后第75%的数字。
3）内四分位距：描述指标样本的数据离散程度。用盒形的高度表示。
4）最大/小观测值：描述指标样本合理数据存在的范围。用延伸的直线来表示，称为“触须”，触须的顶部和底部分别为样本指标数据中非异常数据的最大观测值。若没有异常值，样本的最大值为上触须的顶部，样本最小值为下触须的底部。
5）偏态(Skewness)：描述指标样本数据中心偏离的程度。用盒中横线在盒子的位置表示。S=
异常数据（Outliers）：大于盒形顶部或底部延伸1.5倍内四分位距的数据称为粗大异常数据。大于盒形顶部或底部延伸3倍内上一页 [1] [2] [3] [4] [5] 下一页 |
|
|
| |
|
上一个论文： 县乡统计方法制度改革创新探索
下一个论文： 浅谈医学统计方法在临床医学科研中的应用 |
|
用户登录 
新用户注册 